从蛋白到细胞图谱：地图不是答案

26.1一张点云先让人慢下来

屏幕打开时，第一眼看见的已经不是一条蛋白链，也不是一个口袋。左侧是组织下拉框，肺、肠、肝、皮肤、免疫系统一行行排开；中间是一团投影到平面的点云，每个点代表一个细胞，颜色把它们分成几片看似清楚的区域；右侧是项目名、样本来源、疾病状态、测序平台、供体信息和一串基因表达轨迹。鼠标移到某片红色点群上，标签弹出来，写着某类上皮细胞；再点开一个基因，颜色又重新铺到同一片点云上。页面很亮，判断要慢。

这张页面很容易给人一种结论已经成形的错觉。颜色分开了，标签贴上了，点群之间也有了距离，身体里复杂的组织仿佛已经整理成几个区域。真实研究会慢一拍。研究者会先看数据集来自哪些团队和组织，再看这批细胞来自新鲜组织、冷冻样本、手术边缘还是病灶中心，接着翻供体信息，确认年龄、性别、疾病背景、治疗背景和处理流程。点云先带来入口，结论要等这些入口逐个过关。

细胞图谱，英文是 cell atlas，指把大量细胞的分子特征、来源、位置和注释整理成可查询的参考地图。分子复合体图关心一个分子或一个复合体怎样摆放，细胞图谱关心身体里的细胞类型、细胞状态和组织环境怎样分布。参考图谱，英文是 reference atlas，是后来本地样本可以对照的公共坐标。它能告诉研究者某群细胞靠近哪些已知参考，却不会替这些细胞给出最终身份。

cell type 是细胞类型，比如肝细胞、成纤维细胞、上皮细胞、T 细胞；cell state 是细胞状态，更像同一类细胞在不同处境里的工作表情：休息、活化、应激、增殖、分化、衰老，或者被感染、被药物刺激之后的改变。两者常常纠缠在一起。一个点群看上去分开，可能真是另一种细胞类型，也可能只是同一类细胞在疾病环境里进入了另一种状态。地图能定位问题，不能替实验证明答案。

地图的可靠性来自后面的表格、样本和验证动作，不来自第一眼的颜色。

受体、通道、转录因子、酶和抗体还在细胞里工作，只是它们造成的后果会落到更大的页面上：细胞群、组织位置、疾病样本和公共参考坐标。一个蛋白变异可能先改变通道功能，再改变细胞状态，最后才在图谱里显出某种群体偏移。若中间缺少本地样本、空间位置和功能读数，点云上的偏移只能停在候选解释。

26.2HCA 为什么是公共工程

Human Cell Atlas 的分量就在这里。它是一项以人体细胞参考图谱为目标的国际协作，规模远超某个团队自有数据库。HCA 官方介绍把目标放在人体细胞 reference maps 上，用来帮助理解健康和疾病；这个口径适合读成公共参考工程，不能读成临床诊断系统。这个联盟正在组装人体细胞图谱的 first draft，也就是第一版草图；first draft 承认地图已经能用于比较，也承认地图仍在生长。

2024 年 11 月，Nature Portfolio 推出名为 The Human Cell Atlas: towards a first draft atlas 的大型合集。HCA publications 页面把它描述为 over 40 papers 组成的 collection，Nature collection 页面也把主题写成 towards a first draft atlas，并说明 HCA 正在进入 data integration phase。题名里的 towards 很重要：它没有宣布终版人体地图已经完成，而是在说明公共图谱正在向第一版草图汇聚。

HCA Biological Networks 页面说明，第一版草图聚焦若干 tissue、organ、organ system 或 focus area，每一个都由相应的 HCA Biological Network 承担。Nature collection 和 HCA 官方页面都把 first draft 与 18 个 Biological Networks 联系在一起；HCA Data Portal 也提供 Biological Network Atlases 入口，包括免疫、肺、肝、肾、皮肤、神经系统、类器官、发育、遗传多样性等方向。这个数字应读成当前公共工程的组织入口，不应读成终版人体清单。

公共图谱的价值不只在点云，也在样本、元数据、标准、数据门户、跨团队命名和可比较语言。打开一个项目页，研究者会看组织来源、实验方法、供体背景、数据使用条件和论文链接；进入表达浏览器，可以输入一个基因，看它在哪些细胞群里亮；下载页则把矩阵、细胞条形码、注释表和元数据表分开。Data Portal 的入口和状态数字适合当作访问时的门户状态，不适合被读成固定总量。表格和按钮实际在回答一个基础问题：这张地图由哪些样本拼起来，哪些细胞经过了什么处理，哪些标签来自算法，哪些经过人工复核。

普通数据库可以只是把很多数据放在一起，atlas 要努力把它们放到同一套可比较的语言里。肺里的巨噬细胞、肠道里的免疫细胞、皮肤里的成纤维细胞，不同组织有不同环境，也共享某些身份线索。公共图谱要让研究者既能看见局部组织的细节，又能把某类细胞放到更大的身体坐标里。这个目标很难，因为不同团队的样本、平台、命名习惯和质控尺度不会天然一致。

这种共同语言会影响很小的判断。一个团队把某群细胞叫作上皮过渡状态，另一个团队叫作修复样上皮细胞，第三个团队可能把它放在疾病相关亚群里。若没有公共参照，这些名字很难互相对齐；有了 atlas，研究者至少可以比较它们靠近哪些参考细胞、亮起哪些 marker、来自哪些供体和处理流程。公共图谱不能消除命名争议，却能让争议落到可复查的数据上。

公共工程还会改变失败样本的地位。过去，一个样本若没有给出清楚解释，容易被放进边角；现在它可能暴露出某个被忽视的状态、某类样本处理偏差，或者某个公共图谱尚未覆盖的人群。一个本地队列和公共图谱对不上，原因可能是本地样本有问题，也可能是公共参考还缺这一类人群、这个疾病阶段或这一种处理条件。失败样本未必能写成发现，却能提示地图哪里还薄。

因此，HCA first draft 适合被读成可用的公共草图，而非已经盖章的终局地图。草图这个词不等于粗糙，它承认地图已经能帮助研究者比较样本、查询细胞身份、发现空白，也承认不同组织、年龄、疾病状态和技术流程仍在继续补齐。这个分寸会直接影响使用方式：可以把它当作参照坐标，不能把它当作替本地样本作结论的裁判。

26.3单细胞和空间方法各自留下盲区

单细胞测序，英文是 single-cell sequencing，是把组织或细胞群拆到单个细胞层面来读分子信息的一类方法。单细胞 RNA 测序，英文是 single-cell RNA sequencing，常被缩写为 scRNA-seq，读的是每个细胞中哪些 RNA 更活跃，因此更像一张细胞当时正在工作的清单。若把整块组织混在一起测，少数细胞的声音会被多数细胞盖住；拆到单细胞层面后，同一块组织里有许多不同人群这件事会更容易显现。

这类方法也会丢掉一部分现场感。组织被解离以后，细胞原来的邻居关系会被打散；某些脆弱细胞比另一些更容易损伤，可能在数据里被低估；处理时间过长，细胞会打开应激基因。一个炎症样本里，某类免疫细胞可能突然扩张；一个肿瘤样本里，少数细胞可能带着耐药相关状态；一个发育组织里，细胞可能沿着轨迹从未成熟走向成熟。图谱让这些差异可见，但它不会自动说明差异的来路。

空间转录组，英文是 spatial transcriptomics，则尽量把 RNA 读数保留在组织切片的位置上，让研究者知道细胞不只是什么类型，还大概待在组织的哪个邻里里。它能帮助追问某类细胞是否围在血管旁边、肿瘤边界、炎症灶或纤维化区域，也能让单细胞注释重新回到组织结构里。

空间方法也有新的误差来源。分辨率可能不足，一个测量点里混着多个细胞；探针覆盖会决定哪些 RNA 能被看见；切片质量和图像配准会影响位置读法。一个信号在切片上落在某块区域，不等于每个细胞都被精确归位。空间数据需要和单细胞注释、染色图像、原位信号和功能实验对读。两类方法互相校正，不能互相替代。

这两类方法让少数细胞、疾病状态和发育轨迹更可见，也让误读更容易变得有画面感。一个少见群体突然出现，可能代表真正的组织状态，也可能来自某种细胞更容易存活或更容易被捕获；一个空间热点落在病灶边缘，可能提示邻里关系，也可能受切片质量和探针覆盖影响。单细胞把差异拆开，空间方法把位置放回切片；两者互相校正，谁也不能独自写出完整组织机制。

26.4点云、聚类和注释没有天然边界

屏幕中央那团点云通常来自 UMAP 或 t-SNE 这类降维图。降维图把每个细胞上千个基因表达信号降到二维或三维，方便人眼观察。clustering，中文常译为聚类，是算法按表达相似性把细胞分成若干群。降维和聚类都很有用，也都带着边界：参数一换，小群体可能移动或消失；一团细胞分得很开，可能是真正的生物差异，也可能是技术处理造成的裂缝。

点云距离不是身体距离，颜色分群不是天然边界。两团点相距很远，不代表它们在组织里隔着很远；两团颜色分开，也不一定就是两种细胞类型。显示形状会受算法、参数、批次校正和输入基因选择影响。图谱擅长缩小问题，不能替显微镜、染色和功能实验做判决。

marker gene 是标记基因，是研究者给细胞身份找线索时常用的基因。某些免疫细胞、上皮细胞或神经细胞，会有一组相对熟悉的高表达基因。一个基因亮起来，身份还没有确定；两个细胞类型可能共享某些标记，同一类细胞在炎症或处理压力下也可能临时打开一批基因。annotation，中文常译为注释，指给点群或细胞贴上身份和状态标签。稳一点的注释要把多组 marker genes、表达模式、样本来源、已有文献和人工复核放在一起看。

注释表会暴露语言本身的压力。一个点群被写成“类基底细胞”或“活化成纤维细胞”，这些名字并非自然界预先贴好的标签；它们是研究者在当时材料下给出的工作名。工作名有用，因为团队需要用它沟通样本、设计实验、比较队列；工作名也危险，因为名字一旦写进表格，就容易被后来的人读成稳定身份。更稳的做法常常是先用低一档的名字：候选活化状态、疑似过渡群、待复核亚群。名称保守一点，不会让发现消失；名称过满，会让后续实验背上不必要的解释负担。

注释复核会把人从点云拉回基因列表。一个候选上皮细胞群若说自己是纤毛细胞，就要看多组纤毛相关基因是否一起亮；若说自己是分泌细胞，就要看黏液、分泌和组织背景是否对得上；若一个免疫细胞群被标成巨噬细胞，还要查吞噬、抗原呈递、炎症因子和单核细胞过渡标记。研究者不会只看一个最高分标签，也不会只看一个最亮 marker。名字贴上去以前，最好能经得起几张表、几张图和几条已有文献的互相追问。

过度注释常常从一个熟悉名字开始。一个点群只要亮了某个常用 marker，就被快速写成某类细胞；另一个点群因为靠近疾病样本，就被写成新的疾病特异细胞。这样的标签会让后面的图、实验设计和数据库查询都沿着同一个方向走。更稳的表达会把证据重量写进名字旁边：候选、疑似、过渡、待复核，或者限定在某个队列和某个处理条件之下。语言谨慎，不会削弱线索；语言过满，会把线索伪装成答案。

26.5元数据和批次先决定能不能比较

metadata，中文是元数据，指描述数据的数据。一个细胞表达矩阵若没有元数据，就像一张没有拍摄时间、地点和镜头说明的照片。donor 是供体，指样本捐献者或供体；同一类细胞来自儿童、成人、老人，来自健康组织、炎症组织、治疗后的病灶还是肿瘤旁组织，解释都可能不同。组织处理时间、解离酶、冷冻方式、测序平台、测序深度、QC threshold，也都属于会影响解读的背景。研究者读图谱时常常先读这些表，再看点云。

batch effect 是批次效应，是图谱里最容易被低估的麻烦。两个样本若来自不同医院、不同解离方法、不同测序平台或不同测序深度，点云上的距离就可能掺进技术差异。算法把细胞分成两群，看起来像发现了一个新亚型，实际可能只是周一和周四处理流程不同。图谱团队会用算法校正，也会用实验设计尽量分散批次，可 batch correction 不是万能清洁剂。公共图谱和本地样本并读时，先要问两边的流程差在哪里。

低质量细胞和 doublet 会制造很具体的假象。单细胞实验里，一个液滴或孔位若混进两个细胞，表达清单就会像两个身份叠在一起；细胞若在解离中受损，线粒体相关读数可能异常升高；组织处理时间过长，细胞会打开应激基因。算法可能把这些异常收成一个小群体，看上去像新发现。研究者会问这一群是不是来自同一个供体、同一个批次、同一个低质量区间；它的 marker 是否只是热休克、应激或细胞周期基因；换一组聚类参数后，它还在不在。答案不稳，标签就要降级。

一个正常读图顺序因此会从元数据开始。先看 tissue、donor、age、sex、disease status、treatment、tissue processing、platform、sequencing depth 和 QC threshold；再看 UMAP 或 t-SNE 点云以及聚类边界，只把它当成候选结构；接着查多个 marker genes 是否一起支持注释；然后区分 cell type 和 cell state，尤其警惕疾病、应激、细胞周期和处理压力造成的状态差异；还要检查 batch effect、doublet、low-quality cell 和参数敏感性。到这一步，公共 reference atlas 和本地样本才适合进入同一张实验计划表。

这个顺序会挡住很多过快的故事。组织处理时，某些细胞比另一些更容易碎，脆弱细胞可能在数据里被低估；免疫细胞常常更容易被捕获，少见的神经元、内皮亚群或组织驻留状态可能漏掉；样本若经历缺氧、冷缺血或较长运输时间，细胞会先表现出处理压力。点云上看见一个应激群，可能反映疾病，也可能反映样本离开身体后的几小时。若不读处理流程，就会把实验摩擦误写成生物发现。

元数据也决定图谱之间能不能比较。一个公共 atlas 来自健康成人组织，本地样本来自儿童或治疗后的病灶；一个数据集使用新鲜组织，另一个使用冷冻核测序；一个队列来自手术样本，另一个来自尸检样本。它们都可以进入同一场讨论，但语气不能一样。公共坐标给出参照，元数据决定这个参照能承担多重的解释。

26.6验证和疾病样本把地图送回现场

validation，中文是验证，指把图谱上的候选判断送到独立材料中检查。这里的验证不只有一种形态。空间转录组可以问某类细胞是否真的落在肿瘤边界、血管旁边、炎症灶或纤维化区域；免疫染色可以用抗体在组织切片上看蛋白标记的位置；原位杂交可以在组织里追 RNA 信号；功能扰动可以改变某个通路、敲低一个基因、加入一种刺激，再看细胞状态是否按候选方向移动。图谱给出线索，验证把线索送回样本、组织和实验。

一个判断若要从图谱页面走到更硬的位置，通常会经历三次收紧。第一次发生在数据内部：同一细胞群是否跨供体出现，是否跨批次出现，是否在不同参数下仍大致存在。第二次发生在图谱之间：公共 atlas、独立队列和本地样本是否指向相近身份或状态。第三次发生在组织和功能里：空间位置是否合理，蛋白或 RNA 标记是否能在切片上复现，扰动某个候选通路后细胞行为是否跟着变化。三次都通过，解释才开始变重。

疾病和健康样本的比较最能显示这套流程的价值。研究者把两组细胞放在同一坐标里，先看某类免疫细胞是否扩张，某类上皮细胞是否丢失，某条表达轨迹是否推向应激或修复方向。若疾病样本里的点群靠近图谱中已知的炎症状态，后续会查相关细胞因子、受体和下游通路，再设计阻断或刺激实验。某群细胞扩张不等于它造成疾病；某个状态和疾病严重程度一起上升，可能是原因、结果、伴随信号，也可能来自处理偏差。

一个纤维化样本能说明这种诱惑。成纤维细胞群扩张，胶原和基质重塑基因上升，旁边又有免疫细胞活化信号，屏幕上看着像一条完整路线。研究者还要拆开看：免疫细胞是否真的贴近那群成纤维细胞，相关信号是否在多个供体里重复，药物或遗传扰动是否能改变这条轨迹，空间切片是否能看到同样的邻近关系。缺少这些后续动作，图谱只是把疑点排列得更清楚。

还有一个更隐蔽的问题：谁被画进了地图，谁还没有被画进去。人体细胞图谱若要成为真正有用的参考，样本不能只来自少数地区、少数年龄、少数健康状态。疾病、药物、感染、发育阶段和生活环境都会改变细胞状态。一个参考图谱若主要来自健康成人组织，用它解释儿童、老人、罕见病或治疗后的样本时就要降一档语气。伦理审批、手术来源、尸检时间、样本运输和数据标准都会在地图上留下空白。

免疫染色图和原位杂交图在这里承担了另一种角色。它们没有单细胞测序那样成千上万个基因的广度，却能让研究者重新看见组织结构。某个 marker 是否沿着气道上皮排开，某群免疫细胞是否贴在肿瘤边缘，某个 RNA 信号是否出现在纤维化区域附近，这些问题要靠切片上的位置感回答。若图谱说一种状态很重要，组织图像却找不到它的位置，研究者就要怀疑注释、样本处理、空间分辨率或疾病队列本身。

相关性和因果性也会在图谱里贴得很近。一个状态和疾病严重程度一起上升，说明它值得追问；它可能推动疾病，也可能只是被疾病环境推出来，还可能只是治疗、年龄、组织损伤或样本处理的伴随信号。图谱擅长把这些关联排出来，功能实验才有机会把方向拆开。若把相关性直接写成因果，公共地图就会从导航工具变成误导人的路线图。

所以，疾病图谱里更稳的句子常常长得慢一些：某个候选状态在多个供体、多个批次和某个组织位置上反复出现，值得被送去功能验证。这样的写法不会过早封口，也留下了可检验的路径。地图把疑点排成队列，验证决定哪一个疑点能继续走，阴性结果也会反过来修改标签、样本选择和下一轮实验。

26.7地图让下一轮实验更清楚

研究者真正拿图谱做决定时，手上往往有一张朴素的实验设计表。第一列写本地样本，第二列写它在 reference atlas 里靠近的参考细胞，第三列写支持这个判断的 marker genes，第四列写 metadata 和 batch / QC 检查，第五列写需要补的 validation。若某个点群可能是假群，就补批次检查和双细胞排查；若可能是过渡状态，就补时间点或发育标记；若某条疾病轨迹看起来重要，就补空间定位、免疫染色、原位杂交和功能扰动。图谱没有替实验省掉判断，它把判断提前到了更清楚的位置。

这张表会直接影响下一轮样本和实验。若图谱提示缺少某个年龄段，招募就要补这个年龄段；若疾病样本只来自一个医院，研究者会去找另一家医院的队列；若空间信号显示关键细胞总在血管旁边，实验单上就会加血管标记和邻近细胞标记；若一个候选状态只在处理时间最长的样本里出现，团队可能先改样本处理流程，再谈疾病解释。图谱的价值在于让这些取舍有更清楚的依据。

公共图谱还会改变跨团队合作的语法。一个团队说“我们看到一群异常上皮细胞”，另一个团队可以要求它把细胞投到同一张参考坐标里，列出 marker genes，交代供体和处理流程，再说明这群细胞和已有 atlas 里的哪一群相似、哪一群不同。争论不再只围绕一个名字，而是围绕可复查的数据、注释、元数据和验证计划展开。公共坐标不能消除争议，却能让争议更容易被定位。

开头那张页面现在可以重新读。组织下拉框提醒人先问样本从哪里来；点云提醒人高维表达已经被降维显示，距离和颜色只能提供入口；细胞标签提醒人 annotation 需要多重证据支持；基因表达轨迹提醒人 marker gene 是线索；元数据表提醒人 donor、batch effect 和 quality control 会改变读图；验证列提醒人，地图上的候选解释要回到空间、组织、本地样本和功能实验。细胞图谱是参考地图，不是答案。

点云和验证列把问题送到新的表格上：扰动条件、药物剂量、采样时间、基因敲低、模型版本、状态轨迹和基因组浏览器轨道。细胞现在的位置已经能被画出来，人自然会追问它在扰动以后会往哪里移动；DNA 序列若发生改变，表达、剪接和调控网络又会怎样变。这个追问会把细胞地图推向虚拟细胞和基因组模型，但地图本身仍只负责定位问题，不能替机制作答。